多語言標(biāo)簽聚類及其應(yīng)用研究.pdf

1、社會化標(biāo)簽是指互聯(lián)網(wǎng)用戶自由地對文檔、圖片、視頻等資源對象定義的一個或多個描述，由于其個性化特點(diǎn)被廣泛應(yīng)用于各大網(wǎng)站系統(tǒng)。社會化標(biāo)簽對用戶有著至關(guān)重要的意義，用戶可以通過標(biāo)簽對資源進(jìn)行儲存、組織、管理、共享等。然而隨著用戶及標(biāo)簽規(guī)模的不斷擴(kuò)大，大多數(shù)標(biāo)簽變成冗余信息，要從大量信息中通過標(biāo)簽檢索獲取相關(guān)信息變得越來越困難，因此如何獲得對用戶有意義的標(biāo)簽變得尤為重要。另外，社會化標(biāo)簽的語義異構(gòu)問題也日益加劇，通過對標(biāo)簽的聚類可以將語義上相似

2、的標(biāo)簽聚集，從而有效解決標(biāo)簽的語義異構(gòu)問題，并且在此基礎(chǔ)上實(shí)現(xiàn)的社會關(guān)系網(wǎng)絡(luò)發(fā)現(xiàn)，可以實(shí)現(xiàn)好友推薦。除此之外，目前的社會化標(biāo)簽系統(tǒng)往往是單語言的，在對多語言標(biāo)簽聚類的基礎(chǔ)上實(shí)現(xiàn)多語言標(biāo)簽的映射，可以解決標(biāo)簽語言異構(gòu)問題。
　　 本文采用不同的標(biāo)簽自動抽取算法分別對博文正文信息進(jìn)行標(biāo)簽抽取，在標(biāo)簽抽取的基礎(chǔ)上形成復(fù)合標(biāo)簽，并與用戶給定的標(biāo)簽進(jìn)行比較分析。實(shí)驗(yàn)結(jié)果表明自動抽取的標(biāo)簽可以作為用戶標(biāo)注標(biāo)簽的有效補(bǔ)充，對用戶標(biāo)注的標(biāo)簽有一

3、定參考價值。
　　 在標(biāo)簽聚類方面，采用分裂式層次聚類算法分別對用戶標(biāo)注的標(biāo)簽以及機(jī)器抽取的標(biāo)簽進(jìn)行聚類，比較兩種不同來源下的標(biāo)簽聚類結(jié)果。實(shí)驗(yàn)結(jié)果表明用戶標(biāo)注的標(biāo)簽聚類效果明顯好于機(jī)器抽取標(biāo)簽的聚類結(jié)果。
　　 在中英文標(biāo)簽聚類的基礎(chǔ)上，采用先聚類后翻譯的映射策略及基于機(jī)器翻譯的映射方法進(jìn)行中英文標(biāo)簽的映射研究。并將映射的研究用于標(biāo)簽的具體應(yīng)用上。
　　 在標(biāo)簽聚類的應(yīng)用方面，我們選擇與某一產(chǎn)品相關(guān)聯(lián)的微博信息